• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于數據挖掘的移動通信客戶流失預測模型研究與應用

    2022-08-26 01:51:54張馭思
    現代信息科技 2022年11期
    關鍵詞:數據挖掘神經元邏輯

    張馭思

    (上海理工大學,上海 200093)

    0 引 言

    我國網絡建設正處于快速發(fā)展階段,通信行業(yè)信息量和業(yè)務收入均迎來指數級別的增長,通信運營商的經營重點正逐漸從產品/服務向維持客戶資源轉變。研究表明,通信行業(yè)發(fā)展新客戶比維持現有客戶的平均成本高出5倍以上,而且現有客戶流失會降低企業(yè)的社會滿意度和信賴度等誠信指標,嚴重影響企業(yè)的進一步發(fā)展。因此,與客戶保持良好關系,預防客戶流失,維持現有客戶資源有助于進一步獲得市場競爭優(yōu)勢。準確、高效的客戶流失預測模型能夠對現有客戶潛在的離網行為進行合理預測,使運營商及時調整相應的營銷策略進行挽留,對加強企業(yè)用戶關系管理(Customer relationship management, CRM)具有十分重要的意義。

    近年來,基于數據挖掘技術的CRM應用研究獲得了國內外中大型企業(yè)及金融機構的廣泛關注,在用戶關系管理、金融欺詐檢測方面獲得了顯著的成果。相比于傳統(tǒng)的計算方法,數據挖掘能夠從大量的實際數據中挖掘出對決策具有參考價值的隱含關系和趨勢,進而為決策過程提供相應的支持。通過數據挖掘技術對客戶某一時間段的行為特性進行分析,能夠獲取相應的行為習慣及興趣愛好,進而給予客戶針對性服務,提升企業(yè)用戶黏度。從統(tǒng)計學的角度出發(fā),客戶流失預測模型的輸出屬于典型的二分類問題,即結果只有流失(用“1”表示)與非流失(用“0”表示)兩種可能,目前主要存在三種預測模型:單一分類模型,如決策樹、邏輯回歸及關聯性分析等;聚類分析模型,如K-means聚類、Two-step聚類等;多分類模型融合,如采用Bagging、Stacking方法對多類單一分類模型進行集成。Kim團隊采用邏輯回歸模型對韓國移動通信用戶數據進行建模,通過流失客戶特性分析,對現有客戶忠誠度進行評分,實現對現有客戶的分類化管理。賀建軍對支持向量機(SVM)在預測客戶流失方面的適用性進行了分析,分別從實驗和理論角度驗證了該模型的預測精度。曹國團隊采用二元邏輯歸回對某商業(yè)銀行用戶流失情況進行分析,建立了客戶流失多維預測指標,通過模型分析和實證研究發(fā)現交易頻率、客戶年齡、近期交易記錄等因素對客戶流失有十分顯著的影響。武彩霞團隊基于數據挖掘提出多分類融合模型應用于通信企業(yè)用戶流失管理系統(tǒng),通過對客戶流失數據集的訓練分析,表明多模型預測準確度高于普通的單一模型。

    上述研究構建的客戶流失預測模型對企業(yè)的精細化運營管理具有十分積極的推動作用,降低了客戶流失比例和企業(yè)運營成本,但對于用戶特征分析和數據挖掘技術缺少系統(tǒng)的融合。本文以通信運營商對現有客戶流失管理為主題,以高效預測客戶流失為目的,采用Python語言為編碼工具,通過對一元、多元邏輯回歸和神經網絡模型進行建模,并對模型預測效果進行系統(tǒng)對比分析,獲得更適宜移動通信運營客戶流失的預測模型;將統(tǒng)計學理論、數據挖掘技術融入金融管理理論,實現多學科交叉融合,給通信運營行業(yè)解決用戶流失問題和構建個性化用戶運營機制提供了一定的參考價值。

    1 模型構建

    1.1 數據選取與特征描述

    本文實驗的原始數據來源于某電信部門數據庫,構建模型之前,需要對原始數據進行初始選擇、數據清洗、數據整合與構建,最后按照既定標準進行格式化,本文從客戶信息到行為因素等多個分析維度來綜合衡量各類變量特征對客戶流失的影響,初步確定17項指標,如表1所示。

    表1 通信客戶流失模型變量

    1.2 變量相關性檢驗

    自變量中共有6個分類變量,采用交叉表分析和卡方檢驗判定這類變量與目標變量的相關性。篇幅所限,本節(jié)僅展示通話時長是否呈現下降態(tài)勢(NegTrend)與客戶流失(churn)的相關性分析,結果如圖1所示,從交叉表可以看出,在流量使用有下降趨勢時,客戶流失的概率會上升,從對應的卡方檢驗p-value可以看出,NegTrend這一變量與的相關性非常顯著(<0.000 1),說明該變量具有分析價值,其他變量均按照上述檢驗流程進行。

    圖1 交叉表/卡方檢驗分析

    關于連續(xù)型自變量有多種相關性檢驗分析方法,例如分層抽樣、假設檢驗、方差分析等,鑒于本文涉及的自變量較少(<20),采用邏輯回歸的逐步向前分析較為合理。隨后采用方差膨脹因子檢測的方式對自變量間多元共線性問題進行檢測,將VIF值大于10的變量進行篩選,最終確定10個特征作為后續(xù)模型的自變量,如表2所示。

    表2 篩選后的自變量

    1.3 算法介紹

    1.3.1 邏輯回歸

    邏輯(Logistic)回歸是針對二分類問題構建的非線性歸回模型,本質上屬于廣義多元線性回歸。我們希望獲得用戶流失的概率,這一數值應介于0和1之間,顯然線性回歸難以描述與自變量間的關系,需要一個嚴格單調的函數(),滿足在接近0和1兩個端點時()會產生敏感且顯著的變化,即Logit變換:

    可以看出,在0~1之間變化時,對應的()變化范圍為(-∞,+∞),解決了與之間的非線性問題。值得注意的是,區(qū)別于線性回歸,邏輯回歸并不是通過最小二乘法來進行模型的優(yōu)化,根據其變換的非線性特性選取極大似然估計方法確定回歸系數更為合理。

    1.3.2 人工神經網絡

    人工神經網絡(Artificial neural network, ANN)是通過數據樣本進行訓練從而實現對相關信息處理功能的一類預測模型,不需要任何先驗公式,具有極好的自適應、并行處理和非線性轉換能力,對于正態(tài)、隨機分布的數據都可以采用ANN進行分析,做出合適有效的預測。本文構造的人工神經網絡結構及計算流程如圖2所示。

    圖2 ANN結構及流程圖

    圖中每一個節(jié)點作為神經元接收并處理上層節(jié)點的信息,其中輸入層中的神經元即為自變量,神經元數量和自變量數量相同;而中間隱含層的神經元接收來自每個輸入層神經元信息的線性組合,并通過自身設置的激活函數對輸入信息進行轉換,類似于邏輯回歸中→()的處理,因此神經網絡在某種意義上可以看作邏輯回歸的擴展。在模型優(yōu)化方面,Loss函數可以選擇用最小二乘法表示,優(yōu)化方式采用梯度下降,不斷優(yōu)化權重和,直至誤差降至可接受的范圍內,模型訓練完成。

    1.4 訓練集和測試集

    建模之前,需要將數據分為訓練集和測試集,前者用于訓練模型,后者用于評估模型的預測表現及準確性,本文將訓練集和測試集的比例定為8:2。從圖3可以看出因變量的數據分布并不平衡,但在可接受的范圍(44%~56%)內,考慮到實驗數據量不大,為保證預測模型的精確度,本文不進行數據平衡處理,從數據集中隨機抽取80%(樣本量:2 772)作為訓練集,剩余20%(樣本量:692)作為測試集。

    圖3 數據集變量分布及訓練集/測試集分布

    2 實驗結果及分析

    2.1 實驗環(huán)境

    本文實驗在Windows10操作系統(tǒng)環(huán)境下,采用Spyder編輯器結合Python語言,并利用機器學習庫Sklearn、Pytorch、statsmodels構建邏輯回歸和神經網絡模型,硬件條件為8核8線程3.60 GHzCPU,RAM 64 GB。

    2.2 邏輯回歸模型

    我們將相關性檢驗后的10個自變量(表2所示)作為特征向量,進行邏輯回歸訓練,獲得各變量的權重估計,如表3所示。

    表3 邏輯回歸模型權重估計

    可以看出在10個因子中,用戶性質(gender)、受教育程度(Edu_class)、營銷頻次(Nrporm)、用戶通話時長變化(NegTrend)、單月最高通話時長(PeakMinAv)對客戶流失具有正向影響;而在網時長(Duration)、聯系客服頻次(Call10000)、通話時長增加量(PeakMinDiff)、年齡(AGE)、是否提升過套餐類型(PosPlanChange)對客戶流失具有反向影響,即這五項變量數值越大,用戶越不容易流失,其中聯系客服頻次對該模型影響最大,可以認為聯系客服越頻繁的客戶流失的概率越低。獲得各變量對應的估計值后,可以建立的流失模型(LossTrend)方程為:

    2.3 神經網絡模型

    本文采用常規(guī)三層神經網絡模型,即一個輸入層、一個隱含層和一個輸出層,輸入層神經元個數為10個,對應10個自變量。對于二分類問題,輸出層神經元個數為2個,只有隱含層神經元的數量需要進一步討論,數量范圍由以下公式得出:

    其中、、分別為隱含層、輸入層和輸出層神經元個數,為調節(jié)因子,取值范圍[1-10],初步確定該神經網絡模型l的取值范圍為[4-14]。將訓練次數定為500次,獲得l取不同數值對應的模型預測準確率AUC結果,如圖4所示。

    圖4 預測結果隨隱含層神經元數量變化情況

    可以看出,隱含層神經元個數為12時,AUC值最大,此時模型預測效果更好,因此本文將隱含層單元數量確定為12個,同時將最大訓練次數擴大至1 000次,激活函數選用Sigmod函數,學習率為0.001。至此,本文神經網絡框架已構建完成,權重更新方式(即模型優(yōu)化方法)采用比經典隨機梯度下降法更為高效的Adam優(yōu)化算法。

    2.4 模型評估與應用

    2.4.1 混淆矩陣評估

    混淆矩陣是評價二分類模型最常用的手段,將預測值和真實值作比較,可以輸出表4所示的矩陣。

    表4 混淆矩陣

    通過準確率(Accuracy)、精確率(Precision)、召回率(Recall)、提升系數(Lifting)和F1系數共5項指標對預測結果的準確和穩(wěn)定性進行評估。相關公式為:

    通過對邏輯回歸和神經網絡模型的混淆矩陣進行分析,可以分別求出上述5項指標,結果如表5所示。

    表5 兩種模型預測效果對比

    可以看出,神經網絡具有更好的預測效果,在流失客戶樣本的預測正確率方面神經網絡比邏輯回歸高出2%,表明在判斷客戶是否為流失客戶方面,神經網絡的預測結果更為準確;從召回率來看,在實際流失客戶的樣本正,神經網絡也具有更高的預測比例,在提升系數和F1值上也有更好的表現。

    2.4.2 ROC曲線評估

    ROC曲線可以反映預測模型和分析方法敏感性與特異性間的關系,橫縱坐標分別代表正例的錯誤命中率(FPR=FP/(FP+TN))和正例的預測準確率(TPR=TP/(TP+FN)),曲線和橫軸間的面積為AUC值,該數值越接近1模型的預測效果越好。本文分別繪制邏輯回歸模型和神經網絡模型的訓練和測試ROC曲線,并列出對應的AUC值,如圖5所示。

    圖5 邏輯回歸和神經網絡模型ROC曲線

    可以看出無論是邏輯回歸還是神經網絡,測試集的結果均和訓練集結果相差不大,說明本文構建的兩種模型沒有明顯的過擬合現象,預測的結果合理且可靠。

    從模型精度而言,神經網絡模型的測試和訓練集AUG值均在0.9以上,高于邏輯回歸模型,說明神經網絡精度更高。

    綜上所述,結合混淆矩陣和ROC曲線評估結果,可以認為本文所構建的兩個模型在可靠性和精確度上均具有良好的表現,相比而言,神經網絡更具優(yōu)勢。

    2.5 模型的業(yè)務嵌入

    完成模型的構建和可靠性分析之后,將模型正式嵌入數據平臺,對未來流失用戶進行實時預測,定期生成流失預警名單,結合運營部門和策略部門制定有針對性的挽留方案,實現客戶流失前期運營,提高挽留成功的概率。具體嵌入模塊及流程如圖6所示。

    圖6 模型嵌入模塊及應用流程圖

    首先,利用問卷調研、平臺抓取等手段結合互聯網大數據系統(tǒng)獲取客戶實時的行為數據,存入數據倉庫并進行定期整理、清洗和格式化處理,提升數據的整潔性,進入基于神經網絡的客戶流失預測模型進行計算,將結果輸入運營管理系統(tǒng),根據客戶特征進行有效分類并制定有針對性的挽留策略,當客戶觸發(fā)流失條件時系統(tǒng)自動根據客戶類別進行針對性挽留。通過數據分析歸納,不斷優(yōu)化模型和實施流程。

    3 結 論

    本文以通信運營商對現有客戶流失管理方法為研究對象,結合金融管理、統(tǒng)計學理論和數據挖掘建模手段建立了針對通信客戶的流失預測模型,針對移動通信用戶流失問題進行了定量分析。通過不同模型運行結果對比分析,發(fā)現本文構建的人工神經網絡模型比傳統(tǒng)的邏輯回歸模型在各項評價指標上均有較強的優(yōu)勢,同時將模型嵌入管理模塊并提出對應的運營系統(tǒng)及流程,這對企業(yè)客戶服務平臺和運營管理優(yōu)化改進具有重要的指導意義。

    猜你喜歡
    數據挖掘神經元邏輯
    刑事印證證明準確達成的邏輯反思
    法律方法(2022年2期)2022-10-20 06:44:24
    《從光子到神經元》書評
    自然雜志(2021年6期)2021-12-23 08:24:46
    邏輯
    創(chuàng)新的邏輯
    探討人工智能與數據挖掘發(fā)展趨勢
    躍動的神經元——波蘭Brain Embassy聯合辦公
    現代裝飾(2018年5期)2018-05-26 09:09:01
    女人買買買的神邏輯
    37°女人(2017年11期)2017-11-14 20:27:40
    基于并行計算的大數據挖掘在電網中的應用
    電力與能源(2017年6期)2017-05-14 06:19:37
    一種基于Hadoop的大數據挖掘云服務及應用
    基于二次型單神經元PID的MPPT控制
    電源技術(2015年5期)2015-08-22 11:18:38
    中出人妻视频一区二区| 久久精品夜夜夜夜夜久久蜜豆| 精品一区二区三区人妻视频| a级一级毛片免费在线观看| av黄色大香蕉| 又黄又爽又刺激的免费视频.| 色尼玛亚洲综合影院| 婷婷丁香在线五月| 国产在线精品亚洲第一网站| 国产在线男女| 日韩,欧美,国产一区二区三区 | 久久久久久久久久成人| 伦理电影大哥的女人| 欧美日韩综合久久久久久 | 亚洲美女视频黄频| 成人特级av手机在线观看| 日韩欧美三级三区| 精品国产三级普通话版| 一区福利在线观看| 久久精品国产亚洲av香蕉五月| 九色成人免费人妻av| 欧美日韩中文字幕国产精品一区二区三区| 精品免费久久久久久久清纯| 欧美日韩亚洲国产一区二区在线观看| 一本久久中文字幕| 非洲黑人性xxxx精品又粗又长| 一本一本综合久久| 亚洲欧美激情综合另类| 国产69精品久久久久777片| 亚洲人与动物交配视频| 久久午夜亚洲精品久久| 又黄又爽又刺激的免费视频.| 欧美区成人在线视频| 国产高清激情床上av| 狠狠狠狠99中文字幕| 啦啦啦啦在线视频资源| 特级一级黄色大片| 3wmmmm亚洲av在线观看| 天天躁日日操中文字幕| 老师上课跳d突然被开到最大视频| 国内精品一区二区在线观看| 亚洲美女视频黄频| 亚洲四区av| 精品久久久久久久久久久久久| 成年版毛片免费区| 国产一区二区在线观看日韩| www.www免费av| 亚洲国产精品久久男人天堂| 国产熟女欧美一区二区| 亚洲精品粉嫩美女一区| 人妻少妇偷人精品九色| 亚洲午夜理论影院| 永久网站在线| 亚洲精品色激情综合| 成人无遮挡网站| 日本三级黄在线观看| 欧美激情久久久久久爽电影| 色综合亚洲欧美另类图片| 男女视频在线观看网站免费| 蜜桃久久精品国产亚洲av| 婷婷亚洲欧美| 高清日韩中文字幕在线| 国产精品一区www在线观看 | 精品午夜福利在线看| 国产精品日韩av在线免费观看| 婷婷六月久久综合丁香| 他把我摸到了高潮在线观看| 美女高潮喷水抽搐中文字幕| 露出奶头的视频| 欧美黑人巨大hd| 网址你懂的国产日韩在线| 国产精品伦人一区二区| 国产亚洲欧美98| 在线看三级毛片| 精品久久久久久久久久久久久| 亚洲精华国产精华液的使用体验 | 在线观看午夜福利视频| 在线免费十八禁| 一级av片app| 成人亚洲精品av一区二区| 日本在线视频免费播放| 99精品久久久久人妻精品| 亚洲欧美激情综合另类| 欧美成人免费av一区二区三区| 亚洲人成网站在线播| 色尼玛亚洲综合影院| 国内久久婷婷六月综合欲色啪| 春色校园在线视频观看| 国内毛片毛片毛片毛片毛片| 国产欧美日韩精品亚洲av| 国产高清视频在线观看网站| 亚洲欧美日韩卡通动漫| 国产亚洲av嫩草精品影院| 欧美中文日本在线观看视频| 又黄又爽又刺激的免费视频.| 久久久久久久久久成人| 国内精品美女久久久久久| 亚洲精品成人久久久久久| 亚洲国产欧洲综合997久久,| 欧美性感艳星| 亚洲最大成人手机在线| 久久久国产成人精品二区| 黄色欧美视频在线观看| 亚洲国产精品合色在线| 成人特级黄色片久久久久久久| 国产亚洲精品av在线| 久久久久久久久久成人| 999久久久精品免费观看国产| 欧美最新免费一区二区三区| 精品一区二区三区视频在线观看免费| 久久香蕉精品热| 国产精品综合久久久久久久免费| 亚洲专区国产一区二区| .国产精品久久| 日韩欧美 国产精品| 亚洲美女黄片视频| 97人妻精品一区二区三区麻豆| 亚洲精品日韩av片在线观看| 久久国产乱子免费精品| 久久99热这里只有精品18| 亚洲欧美日韩无卡精品| 波多野结衣高清无吗| 亚洲美女视频黄频| 观看美女的网站| 亚洲欧美日韩高清专用| 亚洲人成网站在线播| 国产精品不卡视频一区二区| 亚洲欧美精品综合久久99| 中文字幕av在线有码专区| av.在线天堂| 久久精品夜夜夜夜夜久久蜜豆| 极品教师在线免费播放| 精品免费久久久久久久清纯| 国产亚洲精品久久久com| 亚洲av电影不卡..在线观看| 午夜免费男女啪啪视频观看 | 免费在线观看影片大全网站| 亚洲最大成人av| 一级av片app| 在线观看66精品国产| 88av欧美| 成人鲁丝片一二三区免费| h日本视频在线播放| 99久久中文字幕三级久久日本| 亚洲av免费高清在线观看| 欧美潮喷喷水| 少妇被粗大猛烈的视频| 国产精品嫩草影院av在线观看 | 88av欧美| 久久草成人影院| 色综合色国产| 国产一区二区激情短视频| 99热这里只有是精品在线观看| 成人永久免费在线观看视频| 成人国产麻豆网| 午夜免费激情av| 日韩大尺度精品在线看网址| av在线观看视频网站免费| 欧美黑人巨大hd| 成人综合一区亚洲| 亚洲精品成人久久久久久| 欧美xxxx黑人xx丫x性爽| 天堂网av新在线| 国产三级在线视频| 男插女下体视频免费在线播放| 波多野结衣巨乳人妻| 久久精品国产自在天天线| 国内精品宾馆在线| 日韩欧美在线乱码| 日日撸夜夜添| 夜夜夜夜夜久久久久| 婷婷亚洲欧美| 女生性感内裤真人,穿戴方法视频| 男人舔女人下体高潮全视频| 深爱激情五月婷婷| 人妻丰满熟妇av一区二区三区| 日本与韩国留学比较| 成人午夜高清在线视频| 国产色爽女视频免费观看| 日日啪夜夜撸| 午夜福利视频1000在线观看| 欧美精品啪啪一区二区三区| 国产一区二区亚洲精品在线观看| 精品人妻一区二区三区麻豆 | 搡老岳熟女国产| 男人的好看免费观看在线视频| 午夜视频国产福利| 久久这里只有精品中国| 99热6这里只有精品| 亚洲av二区三区四区| 天堂动漫精品| 校园春色视频在线观看| 精品人妻1区二区| 毛片一级片免费看久久久久 | 免费av毛片视频| 国产成人av教育| 成人永久免费在线观看视频| 日韩欧美国产在线观看| 久久久久久九九精品二区国产| 两个人视频免费观看高清| 成人综合一区亚洲| 国产蜜桃级精品一区二区三区| 欧美xxxx性猛交bbbb| 精品福利观看| 国产精品自产拍在线观看55亚洲| 欧美一级a爱片免费观看看| 人人妻人人澡欧美一区二区| 亚洲国产色片| 中文亚洲av片在线观看爽| 黄色视频,在线免费观看| 午夜久久久久精精品| 伦理电影大哥的女人| 久久精品国产自在天天线| 国产欧美日韩一区二区精品| 成熟少妇高潮喷水视频| 欧美精品啪啪一区二区三区| 亚洲精品国产成人久久av| 久久久久久久久久久丰满 | 午夜福利视频1000在线观看| 老熟妇乱子伦视频在线观看| 国产精品女同一区二区软件 | 97超视频在线观看视频| 特大巨黑吊av在线直播| 91久久精品电影网| 啪啪无遮挡十八禁网站| 国产精品人妻久久久久久| 91麻豆精品激情在线观看国产| 两人在一起打扑克的视频| av.在线天堂| 校园人妻丝袜中文字幕| 亚洲三级黄色毛片| 男女做爰动态图高潮gif福利片| 亚洲av免费高清在线观看| 国产精品乱码一区二三区的特点| av天堂在线播放| 国内毛片毛片毛片毛片毛片| 国产精品久久久久久久久免| av天堂中文字幕网| 日日撸夜夜添| 夜夜爽天天搞| 久久久久精品国产欧美久久久| 亚洲欧美日韩东京热| 高清日韩中文字幕在线| 99热6这里只有精品| 亚洲色图av天堂| 久久亚洲精品不卡| 日韩高清综合在线| 国产精品一区二区免费欧美| 一进一出抽搐gif免费好疼| 国产精品,欧美在线| 啪啪无遮挡十八禁网站| 日本三级黄在线观看| 免费观看在线日韩| 亚洲av成人av| 韩国av在线不卡| 亚洲va日本ⅴa欧美va伊人久久| 久久亚洲精品不卡| 成人av在线播放网站| 国产在视频线在精品| 国产乱人视频| 亚洲av一区综合| 色av中文字幕| 午夜福利在线观看免费完整高清在 | 午夜免费激情av| 色尼玛亚洲综合影院| 色哟哟哟哟哟哟| 俄罗斯特黄特色一大片| 最新在线观看一区二区三区| 内射极品少妇av片p| 美女大奶头视频| 亚洲欧美日韩卡通动漫| 十八禁国产超污无遮挡网站| 又粗又爽又猛毛片免费看| 深爱激情五月婷婷| 色视频www国产| 国产成人一区二区在线| 亚洲乱码一区二区免费版| 丰满乱子伦码专区| 非洲黑人性xxxx精品又粗又长| 国产精品不卡视频一区二区| 搡女人真爽免费视频火全软件 | 色综合色国产| 国产免费av片在线观看野外av| 俄罗斯特黄特色一大片| 国产单亲对白刺激| 可以在线观看毛片的网站| 免费观看在线日韩| 欧美日韩中文字幕国产精品一区二区三区| 亚洲精品456在线播放app | 欧美精品国产亚洲| 在线免费十八禁| 亚洲av五月六月丁香网| 久久精品国产清高在天天线| 亚洲最大成人手机在线| 搡老熟女国产l中国老女人| 高清日韩中文字幕在线| 99久久精品国产国产毛片| 国产 一区 欧美 日韩| 亚洲专区国产一区二区| 我的老师免费观看完整版| 国产高清视频在线观看网站| 毛片女人毛片| 亚洲在线自拍视频| 99久久久亚洲精品蜜臀av| 狂野欧美激情性xxxx在线观看| 91麻豆av在线| 熟女电影av网| 久久久久久大精品| 最新在线观看一区二区三区| 伦理电影大哥的女人| 亚洲av成人av| 成人鲁丝片一二三区免费| 麻豆成人av在线观看| 天堂动漫精品| 国产69精品久久久久777片| 精品福利观看| 哪里可以看免费的av片| 中文字幕精品亚洲无线码一区| 网址你懂的国产日韩在线| 精品久久国产蜜桃| 亚洲精品456在线播放app | 成年女人永久免费观看视频| 特大巨黑吊av在线直播| 3wmmmm亚洲av在线观看| 校园春色视频在线观看| 黄片wwwwww| 亚洲成a人片在线一区二区| 成人国产一区最新在线观看| 国产麻豆成人av免费视频| 悠悠久久av| 久久久久九九精品影院| 婷婷精品国产亚洲av| 日本爱情动作片www.在线观看 | av中文乱码字幕在线| 亚洲人与动物交配视频| 男人舔奶头视频| 熟女人妻精品中文字幕| 亚洲精品亚洲一区二区| 久久精品国产亚洲网站| 午夜福利在线在线| 日本黄色片子视频| 国产三级在线视频| 成年免费大片在线观看| 国产男靠女视频免费网站| 国产精品美女特级片免费视频播放器| 久久精品人妻少妇| 成人av在线播放网站| 两个人的视频大全免费| 在线免费十八禁| 1000部很黄的大片| 久久九九热精品免费| 亚洲国产高清在线一区二区三| 天天躁日日操中文字幕| 欧美区成人在线视频| 欧美xxxx黑人xx丫x性爽| 国产乱人伦免费视频| 免费人成视频x8x8入口观看| av在线亚洲专区| 久久久久久久午夜电影| 麻豆一二三区av精品| 久久精品影院6| 人妻丰满熟妇av一区二区三区| 国产精品人妻久久久影院| 亚洲人成网站在线播| avwww免费| 极品教师在线视频| 亚洲欧美日韩无卡精品| 女的被弄到高潮叫床怎么办 | 天堂网av新在线| 亚洲自偷自拍三级| 美女被艹到高潮喷水动态| 色哟哟·www| 可以在线观看毛片的网站| 亚洲内射少妇av| 成人欧美大片| 我要看日韩黄色一级片| 91在线观看av| 嫩草影院新地址| 亚洲最大成人中文| 日本 欧美在线| 一级黄色大片毛片| 亚洲av免费高清在线观看| 国内精品美女久久久久久| 好男人在线观看高清免费视频| 国产免费一级a男人的天堂| 美女cb高潮喷水在线观看| 99视频精品全部免费 在线| 嫁个100分男人电影在线观看| 日韩中文字幕欧美一区二区| 麻豆成人午夜福利视频| 人人妻,人人澡人人爽秒播| 国产麻豆成人av免费视频| 波多野结衣高清无吗| 欧美色欧美亚洲另类二区| 亚洲美女黄片视频| 亚洲avbb在线观看| 搡女人真爽免费视频火全软件 | 哪里可以看免费的av片| 悠悠久久av| 欧美在线一区亚洲| 窝窝影院91人妻| 午夜影院日韩av| 亚洲精华国产精华精| 淫妇啪啪啪对白视频| 精品久久久久久,| 在线看三级毛片| 精品人妻偷拍中文字幕| 最后的刺客免费高清国语| 中文资源天堂在线| 国产精品自产拍在线观看55亚洲| 精品久久久久久久久久免费视频| 国产一区二区在线观看日韩| 99在线视频只有这里精品首页| 变态另类成人亚洲欧美熟女| 美女xxoo啪啪120秒动态图| 日韩欧美国产在线观看| 亚洲性久久影院| 国产私拍福利视频在线观看| 最新在线观看一区二区三区| 不卡一级毛片| 久久天躁狠狠躁夜夜2o2o| 99热精品在线国产| 香蕉av资源在线| 女的被弄到高潮叫床怎么办 | 欧美性猛交黑人性爽| 精品久久久久久久久久久久久| 国产男靠女视频免费网站| 中文字幕精品亚洲无线码一区| 国产一区二区三区视频了| 一本久久中文字幕| av福利片在线观看| 乱人视频在线观看| 色综合婷婷激情| 精品乱码久久久久久99久播| 99久久成人亚洲精品观看| 国产蜜桃级精品一区二区三区| 婷婷丁香在线五月| 91午夜精品亚洲一区二区三区 | 不卡一级毛片| 禁无遮挡网站| 在线a可以看的网站| 久久6这里有精品| 一个人看视频在线观看www免费| 狂野欧美激情性xxxx在线观看| 99精品在免费线老司机午夜| 免费av毛片视频| 精品久久久久久成人av| 久久国产乱子免费精品| 久久九九热精品免费| 在线国产一区二区在线| 久久亚洲精品不卡| 成人av在线播放网站| 免费无遮挡裸体视频| 有码 亚洲区| 精品久久久久久成人av| 日本免费一区二区三区高清不卡| 日韩欧美在线乱码| 黄片wwwwww| 中文在线观看免费www的网站| 欧美精品国产亚洲| 亚洲,欧美,日韩| 最近最新免费中文字幕在线| 一进一出抽搐gif免费好疼| 桃色一区二区三区在线观看| 黄色女人牲交| av专区在线播放| 欧美性猛交╳xxx乱大交人| 少妇熟女aⅴ在线视频| 色精品久久人妻99蜜桃| 国产爱豆传媒在线观看| 欧美中文日本在线观看视频| 国产私拍福利视频在线观看| 欧美最黄视频在线播放免费| 亚洲av一区综合| 变态另类成人亚洲欧美熟女| 亚洲成人久久爱视频| 亚洲自拍偷在线| 国产av一区在线观看免费| 少妇的逼好多水| 中文字幕高清在线视频| 两个人视频免费观看高清| 夜夜看夜夜爽夜夜摸| 中文字幕精品亚洲无线码一区| 黄片wwwwww| 亚洲人成网站高清观看| 欧美一区二区亚洲| 亚洲av二区三区四区| 给我免费播放毛片高清在线观看| 男人舔奶头视频| 校园春色视频在线观看| АⅤ资源中文在线天堂| 亚洲最大成人中文| 久久久色成人| 美女大奶头视频| 又爽又黄a免费视频| 久久久久久久午夜电影| 免费无遮挡裸体视频| 最近在线观看免费完整版| 午夜福利18| 国内久久婷婷六月综合欲色啪| 国产成人福利小说| 两性午夜刺激爽爽歪歪视频在线观看| 春色校园在线视频观看| 午夜福利在线在线| 尤物成人国产欧美一区二区三区| 亚洲精品国产成人久久av| 成年版毛片免费区| 能在线免费观看的黄片| 男女下面进入的视频免费午夜| 人妻丰满熟妇av一区二区三区| 我要搜黄色片| 久久香蕉精品热| 欧美xxxx性猛交bbbb| 久久精品夜夜夜夜夜久久蜜豆| 国产探花在线观看一区二区| 日本免费a在线| 欧美区成人在线视频| 很黄的视频免费| 久久精品国产亚洲av香蕉五月| 99久久精品一区二区三区| 69av精品久久久久久| 国产极品精品免费视频能看的| 国产69精品久久久久777片| 免费电影在线观看免费观看| 国产午夜精品论理片| 一本久久中文字幕| 午夜影院日韩av| 国产又黄又爽又无遮挡在线| 久久久久久久午夜电影| 黄色日韩在线| 可以在线观看的亚洲视频| 一a级毛片在线观看| 午夜精品一区二区三区免费看| 91久久精品国产一区二区三区| 网址你懂的国产日韩在线| 一进一出抽搐动态| 国产蜜桃级精品一区二区三区| 中文字幕高清在线视频| 一边摸一边抽搐一进一小说| 97碰自拍视频| 日本在线视频免费播放| 噜噜噜噜噜久久久久久91| 看十八女毛片水多多多| 在线免费观看不下载黄p国产 | 中文字幕免费在线视频6| 亚洲内射少妇av| 免费无遮挡裸体视频| 狂野欧美白嫩少妇大欣赏| 九九久久精品国产亚洲av麻豆| av专区在线播放| 99久久无色码亚洲精品果冻| 男人舔奶头视频| av黄色大香蕉| 国产精品日韩av在线免费观看| 婷婷精品国产亚洲av| 亚洲人成伊人成综合网2020| 我的女老师完整版在线观看| 国产精品不卡视频一区二区| 99久久精品国产国产毛片| 亚洲精品日韩av片在线观看| 成人美女网站在线观看视频| 男女之事视频高清在线观看| 成人av一区二区三区在线看| 日韩欧美在线二视频| or卡值多少钱| 免费观看在线日韩| 老司机福利观看| 国产精品日韩av在线免费观看| av福利片在线观看| 最新在线观看一区二区三区| 国产亚洲91精品色在线| 欧美日韩瑟瑟在线播放| av女优亚洲男人天堂| 色噜噜av男人的天堂激情| 美女被艹到高潮喷水动态| 最近最新免费中文字幕在线| 最好的美女福利视频网| 国内精品久久久久精免费| 日日干狠狠操夜夜爽| 中文字幕av成人在线电影| 国产久久久一区二区三区| 我要看日韩黄色一级片| 国产极品精品免费视频能看的| 成熟少妇高潮喷水视频| 综合色av麻豆| 国产午夜福利久久久久久| 免费看av在线观看网站| 亚洲国产欧洲综合997久久,| 国内精品一区二区在线观看| 三级毛片av免费| 久久中文看片网| 欧美人与善性xxx| 国产亚洲精品久久久com| 色噜噜av男人的天堂激情| 午夜日韩欧美国产| 午夜老司机福利剧场| 亚洲乱码一区二区免费版| 联通29元200g的流量卡| 国产精品久久视频播放| 日韩欧美精品v在线| 日韩一区二区视频免费看| 日本 欧美在线| 无遮挡黄片免费观看| 人妻丰满熟妇av一区二区三区| 嫩草影院入口| 国产精品久久久久久亚洲av鲁大| 国产综合懂色| 搡老妇女老女人老熟妇| 999久久久精品免费观看国产| 蜜桃久久精品国产亚洲av| 偷拍熟女少妇极品色| 91久久精品电影网| 亚洲美女搞黄在线观看 | 婷婷精品国产亚洲av| 亚洲一区高清亚洲精品|